[論文レビュー] Inference for Heterogeneous Effects using Low-Rank Estimation of Factor Slopes

Victor Chernozhukov, Christian Hansen+2 more|arXiv (Cornell University)|Dec 19, 2018

Statistical Methods and Inference参考文献 32被引用数 24

ひとこと要約

本稿は、パネルデータにおける非定型処置効果の低ランク推定法を提案し、要因構造を用いて時刻および個人別に異なる勾配をモデル化することで、妥当な推論を可能にする。サンプル分割と直交化を用いることで、個人時刻効果およびその横断的平均の推定量の漸近正規性を確立し、高次元かつ非定型的な勾配に対しても信頼性のある信頼区間と仮説検定を可能にする。

ABSTRACT

We study a panel data model with general heterogeneous effects where slopes are allowed to vary across both individuals and over time. The key dimension reduction assumption we employ is that the heterogeneous slopes can be expressed as having a factor structure so that the high-dimensional slope matrix is low-rank and can thus be estimated using low-rank regularized regression. We provide a simple multi-step estimation procedure for the heterogeneous effects. The procedure makes use of sample-splitting and orthogonalization to accommodate inference following the use of penalized low-rank estimation. We formally verify that the resulting estimator is asymptotically normal allowing simple construction of inferential statements for {the individual-time-specific effects and for cross-sectional averages of these effects}. We illustrate the proposed method in simulation experiments and by estimating the effect of the minimum wage on employment.

研究の動機と目的

• 個々の個人および時刻ごとに変化する高次元かつ非定型的な勾配を有するパネルデータモデルにおける推論の課題に対処すること。
• 個々の時刻・個人別効果およびその横断的平均に対する有効な統計的推論（例：信頼区間）を可能にする手法を開発すること。
• スロープ行列の次元を低ランク要因構造を仮定することで低減し、高次元設定下での推定が可能になるようにすること。
• 要因構造の推定誤差に対して頑健性を確保するため、サンプル分割および直交化技術を用いること。
• 正則性条件の下で、最終推定量の漸近正規性を理論的に裏付けること。

提案手法

• スロープの非定型性を共通要因構造を用いて低ランク行列としてモデル化し、スロープ行列の有効次元を低減すること。
• データから要因構造および因子負荷を罰則付き低ランク回帰で推定し、高次元下でも一貫性のある推定を可能にすること。
• 推定と推論を分離するためのサンプル分割を含むマルチステップ手順を実装し、データ再利用によるバイアスを低減すること。
• 推定方程式に対して直交化を適用し、要因成分の推定誤差が最終推定量の漸近分布に影響を与えないようにすること。
• 推定量の漸近正規性に基づき、個々の時刻・個人別効果およびその横断的平均のための検定統計量と信頼区間を構築すること。
• 要因構造を活用することで、強いパラメトリック仮定を必要とせずに、個別レベルおよび集計効果の両方に対する推論を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 スロープ行列が高次元的かつ非定型的である場合、個々の時刻・個人別処置効果に対して妥当な推論が可能か。
• RQ2 非定型効果に関する重要な情報を損なわず、スロープ行列の次元をどのように低減できるか。
• RQ3 パネルデータモデルにおける罰則付き低ランク推定を用いる場合、推定と推論の手続きが漸近正規性を保証するにはどうすればよいか。
• RQ4 サンプル分割と直交化は、高次元的推定が引き起こすバイアスを、非定型効果の推論において排除できるか。
• RQ5 提案された推定量が、個別および集計効果の両方について漸近正規性を示す理論的条件は何か。

主な発見

• 個々の時刻・個人別効果の推定量は漸近正規性を示し、標準誤差および信頼区間の構築が可能になる。
• 個々の時刻・個人効果の横断的平均に対しても漸近正規性が成立し、集計処置効果の推論を支援する。
• サンプル分割と直交化により、推定と推論が効果的に分離され、高次元的推定の影響にもかかわらず、妥当な漸近的分布理論が保証される。
• 低ランク要因構造の仮定により、弱い正則性条件のもとで高次元スロープ行列の一貫性のある推定が可能になる。
• シミュレーション実験により、本手法の有限標本性能およびモデル不適合に対するロバストネスが確認された。
• 最低賃金が雇用に与える影響への実応用を通じて、本手法の実世界の政策分析における実用的有用性が示された。